May, 2024
CCDM：连续条件扩散模型用于图像生成
CCDM: Continuous Conditional Diffusion Models for Image Generation
Xin Ding, Yongwei Wang, Kao Zhang, Z. Jane Wang
TL;DR连续条件生成建模（CCGM）是一种基于标量连续变量（称为回归标签）的高维数据（通常为图像）的分布估计方法。现有的条件扩散模型（CDMs）在应用于 CCGM 任务时面临着多种挑战，本文介绍了第一种专为 CCGM 任务设计的连续条件扩散模型（CCDMs），通过引入特别设计的条件扩散过程、修改的去噪 U-Net 与自定义的条件机制、新型的硬邻近损失以及高效的条件采样过程，CCDMs 克服了现有 CDMs 的限制，基于四个不同分辨率（从 64x64 到 192x192）的数据集进行的全面实验证明了 CCDMs 相对于最先进的 CCGM 模型的优越性，建立了 CCGM 领域的新基准。广泛的消融研究验证了提出的 CCDM 的模型设计和实施配置。我们的代码公开在此 https URL。